Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Une approche pratique pour économiser l'énergie dans les écouteurs grâce à l'échantillonnage sous-Nyquist avec extension de bande passante

Created by
  • Haebom

Auteur

Tarikul Islam Tamiti, Anomadarshi Barua

Contour

Dans cet article, nous proposons SUBARU, une nouvelle méthode d'amélioration de la parole multimodale (ES) dans Hearables, un ordinateur portable pour une implémentation basse consommation. SUBARU réduit la consommation d'énergie d'un facteur 3,31 grâce à l'utilisation de CAN à faible fréquence d'échantillonnage et faible résolution binaire, et réalise une amélioration de la parole basée sur les GAN en introduisant des discriminateurs virtuels multi-échelles et multi-périodes sans apprentissage contradictoire des GAN. De plus, nous traitons les signaux ACM/BCM avec un échantillonnage sous-Nyquist et obtenons l'ES dans les tâches de streaming sur plateformes mobiles et environnements bruyants réels avec un temps d'inférence de 1,74 ms et une utilisation mémoire inférieure à 13,77 Mo grâce à une méthodologie de reconstruction large bande à partir de parties bande étroite. Ceci complète les études précédentes qui n'ont pas pris en compte les aspects pratiques d'une implémentation basse consommation.

Takeaways, Limitations

Takeaways:
Présentation d'une technique efficace d'amélioration de la voix multimodale dans les appareils auditifs de faible puissance.
Réduisez considérablement la consommation d'énergie en utilisant un échantillonnage sous-Nyquist et des CAN à faible résolution binaire.
Obtenir une amélioration de la qualité sonore de type GAN sans réseaux GAN.
Démontrer le potentiel du traitement en temps réel sur les plateformes mobiles et de l’amélioration efficace de la parole dans des environnements réels.
Limitations:
Des résultats expérimentaux plus détaillés sont nécessaires pour évaluer objectivement les performances de la méthode proposée.
La vérification des performances de généralisation pour divers environnements de bruit est requise.
Les performances de SUBARU peuvent dépendre de plates-formes matérielles spécifiques.
👍